成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
0
可重构计算芯片是未来吗?开发者如何抓住这一机会
2019 年 12 月 16 日
CSDN
2019 年 6 月,AI 芯片创业公司清微智能首款可重构计算架构 AI 芯片实现量产的消息在业内迅速传开,可重构计算架构芯片再次引发一波讨论的热潮。经历过十多年的技术积累,这枚小小的芯片在全球芯片市场中开启了全新的篇章。
时光倒流,20 世纪 60 年代,可重构的概念早在就被提出。
追根溯源,可重构芯片最早的技术源于 20 世纪 80 年代末诞生的高层次综合理论和方法。
直到 2006 年,意识到可重构计算架构对于提升芯片算力、降低功耗的巨大优势,清华大学的魏少军教授牵头成立了清华大学可重构计算研究团队。
成立十多年,该团队一直进行可重构计算理论和架构研发,在国际核心学术期刊和会议发表数百篇论文,并先后获得教育部技术发明一等奖、中国发明专利金奖,国家技术发明二等奖。
2015年,可重构芯片因为第三次 AI 热潮开始受到关注。
2017年6月,清华大学可重构计算研究团队的第一代人工智能芯片Thinker-Ⅰ推出,并获2017 ACM/IEEE ISLPED会议设计竞赛奖。研究团队还在ISCA 2018发表了中国唯一第一作者论文。
2016年、2017 年,清华大学可重构计算研究团队推出三款基于可重构计算架构的 Thinker 系列芯片。Thinker 系列芯片具有极高的灵活性,能支持各种 AI 算法,依托其动态配置的特点,Thinker 芯片具有很高能效比,初次展露锋芒。
2018 年 7 月,北京清微智能科技有限公司脱胎于清华可重构计算团队,在在北京中关村注册成立。
2018 年第三季度,清微智能悄然完成近亿元级天使轮融资,投资方包括百度战投、分众传媒、禧筠资本、国隆资本、西子联合控股等,再次引起芯片界的关注。
2019 年 6 月,清微智能成功量产了首款可重构芯片 TX210,从成立到量产,清微智能用了短短一年时间。
看到这里,大家大致会明白,这个刚踏入产业界门槛的“新人”并非“一夜成名”,而是基于十多年的技术积累,积攒了 200 多项技术专利后的厚积薄发。
回顾了让可重构计算架构成为万众瞩目焦点的背后大佬之后,我们回过头来看看,
这“可重构计算架构”究竟是什么。
据第一代可重构计算架构的缔造者魏少军解释,
CGRA(Coarse-grained Reconfigurable Architecture)是一款新型的可重构计算架构,而可重构芯片不属于 CPU、GPU、FPGA 或 ASIC,它是一种全新类别的芯片。
因为其特点是软件硬件都可以编程、混合粒度、芯片的硬件功能随软件的变化而变化,应用改变软件、软件再改变硬件,所以无论是在国内还是国外,可重构芯片很多时候被误解成 FPGA。
但它的技术原理与前者并不相同。
与 CPU、GPU、FPGA 和 ASIC 相比,CGRA 最大的优势在于
,一是
没有传统指令驱动的计算架构取指和译码操作的延时和能耗开销,
二是
在计算过程中以接近“专用电路”的方式执行,因此平均计算能效分别是前三者的 1000 倍以上、100~1000 倍、100 倍以上,相比 NPU 也有 10 倍以上的性能提升。
另外,
由于 CGRA 基于配置方式执行,执行效率与 ASIC 相当,但是灵活性远远好于 ASIC。更重要的是,CGRA 架构算力可以弹性扩展,适用于从云端到边缘端对高能效和灵活性有综合要求的场景。
集众多优势与一身,可重构计算芯片成为即将到来的 5G 时代下终端设备的最佳候选之一,可重构架构可以提升 AI 芯片的能效比,在保证 AI 计算效率和精度前提下降低功耗。而基于可重构计算架构的软件定义芯片使得硬件架构功能随软件的变化而变化,实现更灵活的芯片设计,同时也具备处理器的通用性和 ASIC 的高性能和低能耗,被一些专家视为 AI 通用芯片的方向之一。
你对可重构计算架构感到好奇吗?
这个或将成为未来芯片市场主流的架构设计究竟有何非同一般之处?
为跟上技术潮流,你一定不会想要错过这次机会:清微智能 CTO 欧阳鹏将亲临本次免费公开课直播间,面对面详解可重构计算架构,对这个话题感兴趣的童鞋可实时提出自己的疑问,欧阳鹏博士将在直播间与观众互动并答疑。
课程大纲:
1、芯片产业背景分析、发展趋势及未来业界应对变化的方法
2、可重构计算技术的技术实现原理、优势与价值
3、可重构计算芯片如何执行不同算法或应用的计算
4、开发者与技术人员需要掌握的专业知识与开发工具推荐
内容介绍:
可重构计算是一种可根据不同的应用或算法灵活重构硬件资源的新型芯片架构技术,既能在极低功耗下实现高性能计算,也能无缝衔接各类智能算法,具有极强的通用性。CGRA 是完全中国自主知识产权的原创技术,目前中国已有基于该架构的产品量产。CGRA 被《国际半导体技术路线图》评为最具前景的未来计算架构,英特尔、英伟达等企业也从去年开始布局相关芯片业务。
本次课程涉及可重构计算的架构和配置机制,可重构计算芯片如何可以根据算法和应用的不同配置硬件资源来执行不同的计算?在实际应用中,可重构计算如何做到高能效和通用性兼备?
课程适合人群以及听众收益
适合人群:
芯片技术人员,AI 开发者等
学习收获:
对芯片技术发展方向有新的认识,对于芯片新型架构有所了解。
讲师介绍:
欧阳鹏,清微智能 CTO,清华大学微电子研究所博士。
TCAS-I, TCAS-II, TCSVT 等期刊审稿人。十余年算法和计算架构研究设计经验,是可重构架构的重要参与人。先后负责多款芯片的设计流片,包括面向计算机视觉的 Lasa 芯片,面向人工智能应用中物体的 thinker 系列芯片。
在 JSSC,TC, TCAD,TCAS I 等期刊发表学术论文五十余篇,申请专利二十余项。受邀出席DAC,VLSI,CICC,DATE,FCCM,ICPR,WACV 等多个国际顶级会议。参与国家 863,国家核高基,清华-帝国理工国际研究,清华-紫光横向等重大项目研发,获得“教育部科技成果鉴定完成者认证”、2017 ISLPED design contest finalist 、DAC2019 Low-Power Object Detection Challenge亚军等荣誉。
加入「公开课」交流群,获取
更多学习资料,课程信息,热招岗位等
登录查看更多
点赞并收藏
0
暂时没有读者
0
权益说明
本文档仅做收录索引使用,若发现您的权益受到侵害,请立即联系客服(微信: zhuanzhi02,邮箱:bd@zhuanzhi.ai),我们会尽快为您处理
相关内容
可重构计算
关注
0
基于FPGA的机器学习硬件加速研究进展
专知会员服务
80+阅读 · 2020年6月20日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
【Google Jeff Dean独自署名论文】深度学习革命及其对计算机架构和芯片设计的影响,讲述AI芯片发展历程与未来
专知会员服务
30+阅读 · 2019年12月20日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
国家工信安全中心发布《人工智能中国专利技术分析报告》,74页pdf,百度AI专利榜首
专知会员服务
119+阅读 · 2019年12月10日
《“5G+区块链”融合发展与应用白皮书》(2019版),53页PDF,联通研究院、中兴通讯编
专知会员服务
59+阅读 · 2019年11月9日
《全球数字经济新图景白皮书》(2019版)发布,85页PDF,中国信息通信研究院主编
专知会员服务
32+阅读 · 2019年11月7日
机器学习经典—理论与算法 [王立威 北京大学] 2019年中国计算机大会 计算机经典算法回顾与展望——机器学习与数据挖掘论坛
专知会员服务
35+阅读 · 2019年10月26日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
121+阅读 · 2019年10月10日
吴恩达:AI未来将呈现四大发展趋势
AI100
6+阅读 · 2019年8月30日
2018年边缘计算行业研究报告
行业研究报告
11+阅读 · 2019年4月15日
5G芯片激战!为什么看好国产芯片龙头?(附股)
凤凰财经
5+阅读 · 2019年2月20日
人工智能已到瓶颈!院士“联名”反深度学习,并指出AI未来发展方向
算法与数学之美
49+阅读 · 2018年12月2日
AI综述专栏 | 深度神经网络加速与压缩
人工智能前沿讲习班
31+阅读 · 2018年10月31日
分享丨终于有人把云计算、大数据和人工智能讲明白了!(好文)
星河互联
5+阅读 · 2018年4月10日
2018,怎样成为抢手的机器学习人才
Python开发者
6+阅读 · 2018年3月1日
深度 | 致开发者:2018 AI发展趋势
机器之心
4+阅读 · 2018年1月11日
AI 领域最最稀缺的人才——人工智能架构师
人工智能头条
5+阅读 · 2018年1月8日
谁是中国的”英伟达”,政府扶持下中国初创企业挑战美国AI芯片巨头霸主地位
新智元
4+阅读 · 2017年11月22日
Modeling question asking using neural program generation
Arxiv
4+阅读 · 2019年9月26日
A Survey of Model Compression and Acceleration for Deep Neural Networks
Arxiv
66+阅读 · 2019年9月8日
Progressive Pose Attention Transfer for Person Image Generation
Arxiv
4+阅读 · 2019年5月13日
Dynamic Graph Neural Networks
Arxiv
24+阅读 · 2018年10月24日
Bayesian Convolutional Neural Networks
Arxiv
19+阅读 · 2018年6月27日
Learning to Adapt: Meta-Learning for Model-Based Control
Arxiv
9+阅读 · 2018年3月30日
A Framework for Evaluating 6-DOF Object Trackers
Arxiv
6+阅读 · 2018年3月28日
Self-Attentive Residual Decoder for Neural Machine Translation
Arxiv
5+阅读 · 2018年3月22日
Learning Dynamic Memory Networks for Object Tracking
Arxiv
8+阅读 · 2018年3月20日
Fully Convolutional Networks for Semantic Segmentation
Arxiv
3+阅读 · 2015年3月8日
VIP会员
自助开通(推荐)
客服开通
详情
相关主题
可重构计算
芯片(集成电路)
ISLPED
清华大学
FPGA
ISCA
相关VIP内容
基于FPGA的机器学习硬件加速研究进展
专知会员服务
80+阅读 · 2020年6月20日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
【Google Jeff Dean独自署名论文】深度学习革命及其对计算机架构和芯片设计的影响,讲述AI芯片发展历程与未来
专知会员服务
30+阅读 · 2019年12月20日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
国家工信安全中心发布《人工智能中国专利技术分析报告》,74页pdf,百度AI专利榜首
专知会员服务
119+阅读 · 2019年12月10日
《“5G+区块链”融合发展与应用白皮书》(2019版),53页PDF,联通研究院、中兴通讯编
专知会员服务
59+阅读 · 2019年11月9日
《全球数字经济新图景白皮书》(2019版)发布,85页PDF,中国信息通信研究院主编
专知会员服务
32+阅读 · 2019年11月7日
机器学习经典—理论与算法 [王立威 北京大学] 2019年中国计算机大会 计算机经典算法回顾与展望——机器学习与数据挖掘论坛
专知会员服务
35+阅读 · 2019年10月26日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
121+阅读 · 2019年10月10日
热门VIP内容
开通专知VIP会员 享更多权益服务
OpenAI十二天总结与Agent新范式
【伯克利博士论文】高效深度学习推理的全栈方法
【AAAI2025】多层次最优传输用于语言模型中的通用跨标记器知识蒸馏
大规模语言模型增强推荐系统:分类、趋势、应用与未来
相关资讯
吴恩达:AI未来将呈现四大发展趋势
AI100
6+阅读 · 2019年8月30日
2018年边缘计算行业研究报告
行业研究报告
11+阅读 · 2019年4月15日
5G芯片激战!为什么看好国产芯片龙头?(附股)
凤凰财经
5+阅读 · 2019年2月20日
人工智能已到瓶颈!院士“联名”反深度学习,并指出AI未来发展方向
算法与数学之美
49+阅读 · 2018年12月2日
AI综述专栏 | 深度神经网络加速与压缩
人工智能前沿讲习班
31+阅读 · 2018年10月31日
分享丨终于有人把云计算、大数据和人工智能讲明白了!(好文)
星河互联
5+阅读 · 2018年4月10日
2018,怎样成为抢手的机器学习人才
Python开发者
6+阅读 · 2018年3月1日
深度 | 致开发者:2018 AI发展趋势
机器之心
4+阅读 · 2018年1月11日
AI 领域最最稀缺的人才——人工智能架构师
人工智能头条
5+阅读 · 2018年1月8日
谁是中国的”英伟达”,政府扶持下中国初创企业挑战美国AI芯片巨头霸主地位
新智元
4+阅读 · 2017年11月22日
相关论文
Modeling question asking using neural program generation
Arxiv
4+阅读 · 2019年9月26日
A Survey of Model Compression and Acceleration for Deep Neural Networks
Arxiv
66+阅读 · 2019年9月8日
Progressive Pose Attention Transfer for Person Image Generation
Arxiv
4+阅读 · 2019年5月13日
Dynamic Graph Neural Networks
Arxiv
24+阅读 · 2018年10月24日
Bayesian Convolutional Neural Networks
Arxiv
19+阅读 · 2018年6月27日
Learning to Adapt: Meta-Learning for Model-Based Control
Arxiv
9+阅读 · 2018年3月30日
A Framework for Evaluating 6-DOF Object Trackers
Arxiv
6+阅读 · 2018年3月28日
Self-Attentive Residual Decoder for Neural Machine Translation
Arxiv
5+阅读 · 2018年3月22日
Learning Dynamic Memory Networks for Object Tracking
Arxiv
8+阅读 · 2018年3月20日
Fully Convolutional Networks for Semantic Segmentation
Arxiv
3+阅读 · 2015年3月8日
大家都在搜
palantir
自主可控
大规模语言模型
CMU博士论文
技术报告
洛克菲勒
无人艇
F-35
胡克
社区分享 | 用 PoseNet + TensorFlow.js 在浏览器实现体感游戏
Top
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top